第三章 研究方法
第六節 SEM 結構方程式評估準則
本研究主要在探討富山護漁區目的地意象、背景音樂感知與目的地依附之關 連性。本文以目的地意象、背景音樂與目的地依附之變項，來建構一個可以說明 之因果模式。結構方程模式(Structural Equation Models，簡稱SEM)，早期稱為線 性結構方程模式(Linear Structural Relationships，簡稱LISREL)或稱為共變數結構 分析(Covariance Structure Analysis)。結構方程式主要目的在於檢驗潛在變項 (Latent variables) 和外顯變項(Manifest variable, 又稱觀察變項)之關係與數個潛 在變項間的因果關係。另，結構方程式結合了因素分析(factor analysis)與路徑分 析(path analysis)，包涵測量與結構模式
SEM 整體適配考驗的問題與指標的使用：
Tanaka（1993）將 SEM 的整體模式適配考驗的指標以六種面向 來加以區別。表 3-6-1 為此六種面向適配指標的定義。
表 3-6-1 六種面向適配指標的定義
面向 定義
母群為基礎 相對於樣本 為基礎
母群體為基礎的適配指標在於估計一個已知的母群體參數；樣本 為基礎的適配指標則是描述現有觀察樣本間的資料一模式
（data-model）適配。
簡單性相對 於複雜性
適配指標偏好簡單的模式，懲罰估計參數較多的模式；沒有採用 此種更正方式的適配指標不會懲罰複雜的模式
規範性相對 於非規範性
規範性的適配指標被建構在某一種近似（0,1）的範圍內；非規 範性指標無須限制在此範圍內。
絕對性相對 於相對性
相對性指標是以某種特殊模式為定義，此種模式被用來作為繼起 模式比較的依據；絕對性適配指標沒有使用此種比較的依據。
估計方法自 由相對於估 計方法界定
估計方法自由指標是指所提供的估計模式適配指標的特質不受 到所使用估計方法的影響；估計方法界定的適配度指標因估計方 法的不同提供不同的適配摘要表。
樣本大小獨 立相對於樣 本大小依附
樣本大小獨立的適配指標，不論是直接或間接的，都不受到樣本 大小的影響；樣本大小依附適配指標依據觀察樣本大小的函數改 變。
資料來源：Tanaka（1993）
近年來一些學者(Hair, Anderson, TathamR, & Black, 1998)將整體適配評鑑指 標分為三類：絕對適配量測（absolute fitmeasures）、增值適配量測（incremental fit measures），以及簡約適配量測（parsimonious fit measures），如 3-6-2 所示。
Hair 等人(1998)的這種分類不僅能夠將指標做最好的歸類，而所使用的分類名稱 也讓人容易理解指標的意涵。亦鼓勵研究者在做評鑑時，能同時考慮此三類指標，
好處是在使用此三類指標時，對模式的可接受性比較能夠產生共識的結果。整體 適配評鑑的三類指標敘述如下：
1.絕對適配量測（absolute fit measures）
（1）概似比卡方考驗值（χ2）：整體適配最基本測量指標就是概似比卡方考驗 值，χ2 統計為一種差性適配（badness-of-fit-measure）的指標，在某種自由 度之下獲得一個顯著的 χ2 值，代表樣本共變數矩陣與理論估計共變數矩陣 之間是不適配的。模式的適配檢驗 χ2 值必須是不顯著的，表示模式與樣本 資料相適配。但須注意的是 χ2 值對樣本數相當敏感，當樣本愈大時，χ2 值 愈容易達到顯著，導致理論模式遭受拒絕。所以當樣本資料是大樣本時，卡 方值適配度指標值只能作為參考指標。
（2）RMR「殘差均方和平方根」(Root Meansquare Residual)：就是適配殘差（fitted residual）變異數與共變數平均值之平方根，用以瞭解殘差特性。由於此一 指標容易受到變項量尺單位的影響，因此無法決定在多少數值指標模式可以 接受。就適配殘差的觀點看，模式要被接受，RMR「殘差均方和平方根」
值要越小越好。一般而言，其值在 0.05 以下是可接受的適配模式。
續表 1【表 3-6-1 六種面向適配指標的定義】
51
（3）SRMR「標準化均方根殘差」(Standardized Root Meansquare Residual)：用 來反應理論假設模型的整體殘差。學者多採用此指數來評估模型的優劣，其 數值 0~1 之間，當數值低於 0.05 時，表示模型契合度佳。
（4）RMSEA「近似誤差均方根」(RootMean SquareError of Approximation)：是 近年來相當受到重視的一個模式適配指標。正如 Raykov（2001）所言，在 評鑑整體模式的過程中，RMSEA 已經成為一個高訊息指標。乃是一種評鑑 接近適配的指標，也比較偏好簡單模式，其係數不受樣本數大小與模型複雜 度的影響。其値通常應小於 0.05，但以 0.08 為可接受的模型契合門檻。
（5）GFI「良性適配指標」(Goodness of Fit Index）：是一種非統計的測量，其 範圍於 0~1 之間。表示假設模型可以解釋觀察資料的變異數與共變數的比例，
通常應大於 0.9。
（6）AGFI「調整後良性適配指標」(Adjusted Goodness of Fit Index)：目的乃利 用自由度和變項個數之比率來調整 GFI「良性適配指標」。AGFI「調整後 良性適配指標」較不受樣本大小的影響，可用來比較同一組資料不同模式的 適配，或同一模式不同組資料的適配，通常應大於 0.9。
2.增值適配量測（incremental fit measures）
（1）NFI「規範適配指數」(Normal Fit Index)：即反應假設模型與一個觀察變相 間沒有任何共變假設的獨立模型的差異程度，其值介於 0 與 1 間，値越大表 示模式的適配性越佳，通常應大於 0.9。
（2）RFI「相對適配指數」（Relative Fit Index）：是由 NFI 所衍生出來的，RFI 值介於 0 與 1 之間，值愈大表式模式適配愈好，RFI 值大於 0.9，表模式可 接受，值大於或等於 0.95，表模式相當適配。
（3）IFI「增值適配指數」(Incremental Fit Index)：是母群體為基礎、判斷複雜模 式、樣本獨立的、以相對於基線模式來評鑑適配指標，是判斷模型是否適配，
値越大越好，通常應大於 0.9。
（4）NNFI「非規準適配指數」(Non-Normal Fit Index)：用來比較二個對立模式 之間的適配程度，或用來比較所提模式對虛無模式之間的適配程度，其經過 量化後的數值應介於 0 到 1 之間，通常應大於 0.9 為適配指標佳。
（5）CFI「比較適配指數」(Comparative Fit Index)：即反應假設模型與無任何共 變關係的獨立模型差異程度的量數，也考慮檢驗模型與中央卡方分配的離散 性。其數值越接近 1 越理想，通常應大於 0.9 為適配指標佳。
3.簡約適配量測（parsimonious fit measures）
（1）CN「臨界樣本數」（Critical N）：Hoelter（1983）指出此一指標的目的是 希望替研究者之樣本提出一個合理的指標，建議 CN 值 200 是決定模式是否 足夠用來估計模式的參數以及模式的適配。
（2）卡方自由度比（/df）：卡方自由度越小，表示模型契合度越高。一般常用 的規則為卡方值/自由度的比率，小於 5(最好是 3)的值可以作為判斷模式是 否可接受的參考，卡方自由度比小於 2 時，表示模型具有理想的契合度。1
＜NC＜3 表模型契合度佳；NC＞5，表示模式需修正。
（3）Parsimony GFI（PGFI）反應 SEM 模型的簡約程度，一般要求 PGFI 的數值 要大於 0.5。
（4）PNFI（parsimonious normed fi tindex）：指模式精簡程度的指標，數值介於 0 至 1 間，越高越好。
表 3-6-2 SEM 整體模式適配度指標及評鑑標準（吳明隆，2010）
統計檢定量 適配的標準或臨界值
絕對適配量測
χ2值（卡方值） 顯著性機率值 p＞.05（未達顯著水準）
RMR 值 ＜0.05
SRMR 值 ≦0.05
RMSEA 值 ＜0.08（＜0.05 優良）
GFI 值 ＞0.9 以上
AGFI 值 ＞0.9 以上 增值適配量測
NFI 值 ＞0.9 以上
RFI 值 ＞0.9 以上
IFI 值 ＞0.9 以上
NNFI 值 ＞0.9 以上
CFI 值 ＞0.9 以上
簡約適配量測
CN 值 ＞200
χ2自由度比 1＜NC＜3 表模型契合度佳 NC＞5 表模式需修 正
資料來源：吳明隆，2010
53
第四章 資料統計與分析
本研究以問卷調查法進行資料蒐集，發放問卷期間由2016年3月10日至2016 年5月10日，發出問卷共400份，其中，無效問卷數量為71份，有效問卷數量為329 份，有效問卷回收率為82%。
第一節 受訪者基本資料分析
本研究受訪者背景資料有性別、年齡、教育程度、職業、過去12個月內到訪 富山護漁區的次數、本次計劃停留在富山護漁區的時間等，研究結果分述如下：
一、性別
研究結果顯示到訪富山護漁區的受訪者女性所佔比例較高，有187人(56.8%)；
而男性所佔比例較少，有142人(43%)。由此可見，到訪富山護漁區的受訪者中，
女性略高於男性。
二、年齡
研究結果顯示到訪富山護漁區的受訪者年齡以20歲以下最多，有93人 (28.3%)；30-39歲次之，有85人（25.8％）；其次為20-29歲，有67人(20.4%)；再 次為40-49歲，有41人(12.5%)；再次50-59歲，有30人(9.1%)；而60歲以上人數最 少，有13人(4%)。綜上所述，到訪富山護漁區之受訪者為青少年和青壯年人數為 最多。
三、教育程度
研究結果顯示到訪富山護漁區的受訪者教育程度以大專學歷者最多，有126 人(38.3%)；其次為高中職以下學歷者，有123人(37.4%)；研究所學歷者次之，有 44人(13.4%)；最少人數為專科學者，有36人(10.9%)。
四、職業
研究結果顯示到訪富山護漁區的受訪者職業以學生最多，有107人(32.5%)；
其次為其他職業者，有65人(19.8%)；再次之為服務業者，有61人(18.5%)；再次 為軍公教職業，有44人(13.4%)；再次為商業，有27人(8.2%)；再次為工業，有22 人(6.7%)；而農業者為最少，僅有3人(0.9%)。
五、過去12個月內，到訪富山護漁區的次數
研究結果顯示依問卷發放時間往回倒數12個月之內的時間，到訪富山護漁區 的受訪者中，以1次佔最高比例，有145人(44.1%)；其次為4次以上，有61人(18.5)；
再次為2次，有57人(17.3%)；再次之為4次，有38人(11.6%)，到訪次數3次為最少，
有28人(8.5%)。
六、本次計劃停留在富山護漁區的時間
研究結果顯示到訪富山護漁區的受訪者中，可以在附近逗留或欣賞海景。受 訪者欲停留的時間，以1小時以上到2小時為最多，有138人(41.9%)；其次為0.5 小時以上到1小時，有90人(27.4%)，再次為2小時以上到3小時，有52人(15.8%)；
再次為3小時以上，有36人(10.9%)；停留0.5小時的人數最少，僅有13人(4%)。
本研究樣本次數分配表詳如依表4-1-1所示。
表 4-1-1 樣本次數分配表(人口統計變數分析) (n=329)
題項 類別 次數 百分比(%)
性別 男 142 43.2
女 187 56.8
年齡
20 歲以下 93 28.3
20-29 歲 67 20.4
30-39 歲 85 25.8
40-49 歲 41 12.5
50-59 歲 30 9.1
60 歲以上 13 4.0
教育程度 高中職以下 123 37.4
專科 36 10.9
大學 126 38.3
研究所 44 13.4
職業
軍公教 44 13.4
服務業 61 18.5
工 22 6.7
商 27 8.2
農 3 0.9
55
學生 107 32.5
其他 65 19.8
過去12個月 內，到訪富山護
漁區的次數(含 本次)
1 次 145 44.1
2 次 57 17.3
3 次 28 8.5
4 次 38 11.6
4 次以上 61 18.5
本次計劃停留 在富山護漁區
的時間
低於0.5小時 13 4.0
0.5小時以上到1小時 90 27.4
1小時以上到2小時 138 41.9
2小時以上到3小時 52 15.8
3小時以上 36 10.9
資料來源：本研究整理
續表 1【表 4-1-1 樣本次數分配表(人口統計變數分析) (n=329)】
第二節 目的地意象、背景音樂感受和目的地依附之現況分析
(M=4.19)，再次為「我覺得富山護漁區有很好的名聲」(M=4.13)。
整體而言富山護漁區目的地意象均有不錯的評價，平均值都在 4 以上。受訪 都在心理層面上的反應都對富山護漁區海洋的意象有正面的回饋，包含了認知心 和心理性的反應。受訪者對此地的景觀、音樂到其呈現的人文文化有良好的反應 並享受其中。
57
也正接受各式聲音或音樂所營造的氣氛。此地輕鬆的音樂讓受訪者們認為為他們
59
整體而言富山護漁區目的地依附均有不錯的反應，平均值皆大於4。可以說 在場地認場地認同和場地依靠上，受訪者的心理反應在認為富山護漁區對遊憩、
整體而言富山護漁區目的地依附均有不錯的反應，平均值皆大於4。可以說 在場地認場地認同和場地依靠上，受訪者的心理反應在認為富山護漁區對遊憩、